第七讲交通方式划分

出行端点模型
▪ 划分率可从发生端或吸引端考虑，多数属于发生端 出行端点模型。
▪ 划分率不唯一给定，而是按出行端点、交通目的、 交通方向、土地开发强度等进行分类，再用聚类分 析法详细预测。有时也使用衡量出行方便性的可达 性指标。
▪ 无法在方式分担分析中考虑服务水平变化的影响。
可达性指标
区 i 的可达性（到达容易性）指标：
7.2.1 交通特性
⑤安全性 ▪ 因交通事故本身既有的突发性，人们在选择交通工
具时，明确地考虑安全性的比较少。 ▪ 在目前交通方式划分中还没有考虑安全性指标。 ⑥ 准时性 ▪ 到达的准确性，对于不允许迟到出行的交通方式选
择的影响很大。 ⑦ 换乘次数和候车时间 ▪ 换乘次数增加会导致换乘移动时间与等待时间的增
▪ 求出分布交通量之后，再求出分担交通量。 ▪ 由于交通设施建设引起服务水平变化时最适用。
设定交通网络 设定交通服务水平 设定交通方式分担率 设定不同交通方式交通量
TI模型步骤
各个小区间交通所利用的有代表性的路径 一定要考虑，特别是有新的大量性的公共 交通方式路线的计划时，更应加以考虑。
服务水平指标即利用者选择交通方式时作 为选择标准的时间、票价、换乘次数、步 行时间、等车时间等等。还有拥挤程度、 舒适性等可以作为服务水平考虑，但很难 以定量分析。
c BUS ij
1
2
3
1 160 170 220
2 170 160 280
3 220 280 160
c CAR ij
1
2
3
1
26
56
73
2
56
52 75
3
73
75
24
将来
D
O
1
2
1
22.819 11.080
2
11.226 70.585
3 5.270 9.462
合计 39.169 91.273
3
5.427 7.995 22.637 36.058
加，从而延长抵达目的地的时间。
7.2.2 出行者属性
① 职业、性别、年龄、收入
▪ 业务员、推销员的汽车使用率高。 ▪ 女性较男性的公共交通方式的利用率高。 ▪ 20－40岁的人汽车利用率高，其它年龄段公共
汽车利用率高，且男性比女性的汽车利用率高。 ▪ 收入高的人汽车利用率高。 ▪ 随着汽车化的发展，各种职业的人们购买家庭
▪ 在某一时刻，人们具有类似交通目的的出行集中的 倾向。相同性质的出行集中的时间段有：早高峰上 班时间段、平时时间段、晚高峰回家时间段。
▪ 因为时间段的不同，道路的交通阻塞和交通目的也 比较集中，应该分析因时间段不同交通方式选择的 变化。
▪ 因平日和公休日的交通目的差异很大，交通方式选 择特性也就不同。
地区特性指标主要包括居住人口密度、人口规 模、交通设施水平、地形、气候、停车场和停车 费用等。 ▪ 地区内人口密度高，公共交通利用率相对就高。 ▪ 城市规模大，交通设施水平就高，公共汽车利用
率变高。 ▪ 山川、河流多，汽车、公共汽车利用率就高。 ▪ 雨天、雪天的公共交通方式利用率高。
7.2.4 出行时间特性
7.3 交通方式选择程序及划分率模型
▪ 考虑全部交通方式时的多元选择法 （Multi-choice Method） ▪ 通过各阶段的组合考虑两种交通方式时的二元
选择法（Binary Choice Method）
7.3.1 交通方式选择的程序
▪ 多元选择法
方式2
划分率 1.0
方式1
-(பைடு நூலகம்1)
方式4
与这两种方式有关，而与第3种方式无关，即 Logit模型的IIA（independent of irrelevant alternative）特性。
7.4.3 Probit模型
▪ 假设效用函数中的随机项服从正态分布 （multivariate normal distribution）时，交通方 式选择模型成为Probit模型。
轿车的比例趋于平均化，职业对交通方式选择 的影响逐渐减弱。
7.2.2 出行者属性
② 家庭属性
▪ 家庭支出额 ▪ 家庭用车保有 ▪ 家族数、驾驶人员数和家庭构成 ▪ 住宅形式
7.2.2 出行者属性
家庭用车保有
人口密度、汽车保有与公共交通方式划分率 时间比、汽车保有与公共交通方式划分率
7.2.3 地区特性
出行频率 ↓
交通现象的把握方法
出行分布 ↓
交通方式划分 ↓
目的地选择 ↓
交通方式选择 ↓
路径分配
路径选择
7.4.1 非集计分析理论
▪ 非集计模型的理论基础是消费者在选择时追求“效用 （utility）”最大化这一假说。 效用是指消费者从消费选择中获得的愉快，或者需求 得到的满足。
▪ 非集计模型的建立基于如下2个假设： （1）出行者是交通行为意志决定的最基本单位。 （2）出行者在特定的选择条件下，选择其所认知到的 选 择方案中效用最大的方案。且选择某方案的效用因该方案 所具有的特性、出行者的特性等因素而异。
7.4.2 Logit模型
▪ 假定效用函数中的概率项εj服从同一的Gumbel分布， 且交通方式间相互独立时，即可得到Logit模型。
▪ Logit模型中某个OD组间某种交通方式的划分率：
Pi
exp( V i )
J
exp( V j )
j 1
Vi akXik
k
X
ik
：交通方式i的第k个说明要素 （时间、费用、距离等）；
V
i
：交通方式i的效用函数中的固定项 （交通方式i的效用函数固定项）；
； a k ：待定参数 j：交通方式的个数； P i ：划分率（交通方式分担率）。
通过个人出行调查的结果标定
0Pi 1
Pi
i
1
7.4.2 Logit模型
Logit模型具有如下性质： ▪ Logit模型计算比较简单； ▪ pk pjeVi eVj ，即两种方式的划分概率之比仅
1
1
21
2
45
3
58
现状
2
3
45
58
42
60
60
19
现状
p BUS ij
公共汽车的划分率 现状
BUS
1
2
3
1 0. 273 0. 265 0. 253
2 0. 282 0. 248 0. 255
3 0. 239 0. 192 0. 244
p CAR ij
汽车的划分率
现状
CAR
1
2
3
1 0. 727 0. 735 0. 747
④ 舒适性 ▪ 根据舒适性的交通方式选择预测非常困难。 ▪ 舒适性作为交通方式选择的主要原因，在家用轿
车的用户中多被考虑，约占25%。 ▪ 舒适性作为主要原因考虑的不因年龄的不同而发
生显著的变化。 ▪ 女性比男性将舒适性作为主要因素的比例高，分
别为29%和19%。 ▪ 随着收入水平的提高，对舒适性的要求增高。
合计 39.471 89.660 37.369 166.500
解
(1) 参数拟合
α=-0.0796， β=-0.00387， γ=0.390 (2) 将来划分率和交通方式 OD 表
n
Ai D j cij j 1
D j —区 j 的出行吸引量；
c ij —OD交通 i、j 的所要时间；
n —小区数；γ —系数。
2.出行互换模型（trip interchange model）
▪ 各个交通方式所具有服务水平的差别是决定交通 方式分担的最主要的因素，而地区的特性则是次 要的因素 。
公共电汽车 出租车
注：某阶段划分率的计算与前阶段独立进行。
7.3.2 交通方式划分率的预测模型
1. 出行端点模型（trip end model） ▪ 分为适用于对象地区全体的全域模型和考虑各个
小区特性的交通方式划分率模型两类。 ▪ 根据居民的特性，从一开始就把交通量分配给各
个交通方式来进行预测。还考虑到城市中心的距 离、土地利用状况、人口密度、出行目的等，把 交通小区的发生、吸引交通量分配给各个交通方 式。
第七讲交通方式划分
7.2.1 交通特性
运行时间
根据美国伊利诺工业大学研究所的研究成果： ▪ 考虑在家用轿车和铁路之间的方式选择时，分别
以20%和25%的比例以时间为主要因素选择。 ▪ 考虑家用轿车和公共汽车之间的选择时，把时间
作为公共汽车选择因素的仅有2%，而家用轿车 则为44%。 ▪ 男性(36%)较女性(25%)选择时间因素的较多。
O
方式3
指标值差（比）
+(>1)
一次计算得到各种交通方式的划分率。但影响因素多、模型复 杂，未必能准确地描述出行者交通方式选择行为的决定过程 。
▪ 二元选择法
划分率 1.0
方式 1
方式2
-（<1）
O
指标值差（比） +（>1）
二元选择法示意图
全交通方式
徒步、非机动车
机动车
家用小客车
公共交通
公共电汽车、出租车 轨道系
ViB j US tiBj US ciBj US
V iC j A RtiC j A RciC j A R
,, :未定常数。
已知：
t BUS
ij
现状
公共汽车的行驶时间 现状
BUS
1
2
3
1 5. 0 11. 0 13. 0
2 10. 0 12. 0 12. 0
3 14. 0 16. 0 7. 0
7.4.1 非集计分析理论
非集计模型根据备选方案的随机函数决定选择行为：
▪ 随机效用理论认为效用是一个随机变量。 ▪ 随机效用理论通常将效用函数U分为非随机变化的部分
（固定项）和随机变化的部分（概率项）两大部分，并假 设它们两者之间呈线性关系。 ▪ 出行者选择交通方式j的效用Uj：
Uj Vjj
Vj——出行者选择交通方式j的效用函数中的固定项； εj——出行者选择交通方式j的效用函数中的概率项。
7.2.1 交通特性
③ 费用 ▪ 交通费用常与运行时间配对使用而很少作为单独的
原因使用。 ▪ 公共交通方式的乘客中，42%的人将交通费用作为
选择的主要因素，而家用轿车的利用者中，仅有不 足1%。另外，交通费用作为主要原因考虑的没有 因为年龄的不同而发生显著的变化（美国伊利诺工 业大学研究所）。
7.2.1 交通特性
从预测精度、计算作业及模型构思的 合理性来看，Logit模型是较好的。
例题6-1：在只有公共汽车和家用轿车出行的两区域之 间，试用下述Logit模型和已知条件，计算交通方式划 分率和交通方式OD表。
piBj US exVpieBj[U x]SV pieBj[Ux]SVpiCj[A]R
piCj AR1piBj US
▪ 是为了克服线性模型的缺点而开发的适用于只 有两种交通方式时采用的模型。
▪ 交通方式被选择的概率 Pi 可用下式计算：
Pi
1
2
Yiexpt2(/2)dt
Y i ：表示两种方式特性的线性函数值的差。
▪ Probit模型对两种方式之间的选择是适用的，当方 案超过3个时，计算繁杂，很少使用。
▪ 优点是两种方式特性即使不独立也可使用。
2 0. 718 0. 752 0. 745
3 0. 761 0. 808 0. 756
将来
t BUS
ij
1
2
3
1 5.0 11.0 12.0
2 10.0 11.0 13.0
3 12.0 13.0 5.0
t CAR
ij
1
2
3
1
3.0 8.0 10.0
2
8.0 7.0 11.0
3
10.0 11.0 3.0
7.4.1 非集计分析理论
非集计分析 (Disaggregate Analysis) ▪ 又称为非集计行为分析或非集计选择分析。 ▪ 非集计分析是不将出行者个人（或家庭）行为数
据进行集计处理（非集计数据），而以每一样本 为单位，直接利用非集计数据建立模型，预测时， 将得到的个人行为结果加载到交通小区、交通方 式、路径上而进行。
集计分析与非集计分析的区别
项目
类别
集计分析
非集计分析
调查单位 分析单位
类各次别出行 交通小区
各次出行 个人（或家庭）
因变量
小区统计值（连续量）
个人的选择（离散量）
自变量
各小区的数据
各个人的数据
预测方法
回归分析等
最大似然法
适用范围水平
预测交通小区
任意
政策的体现
交通小区代表值的变化
个人变量值的变化
出行的发生与吸引 ↓
根据对象区域的土地利用状况及OD间 的交通服务水平等对OD进行分类，再 考虑每个组（OD pair）的分担率。
7.4 非集计交通方式划分模型
6.4.1 非集计分析理论
集计分析 ▪ 传统四阶段法是以交通小区为单位将出行者的交
通行为进行集体统计分析（集计数据），按照出 行的发生与吸引、出行的分布、交通方式划分和 交通流分配的四阶段，进行模型化预测的。 ▪ 因为是将数据按照交通小区统计之后建立预测模 型而称之为集计分析。
c BUS ij
公共汽车的费用
现状
BUS
1
2
3
1 130 140 180
2 140 130 220
3 180 220 130
t CAR
ij
汽车的行驶时间
现状
CAR
1
2
3
1 3. 0 8. 0 10. 0
2 8. 0 7. 0 11. 0
3 10. 0 11. 0 3. 0
c CAR ij
汽车的费用
CAR